HAL Id: tel-00459149
https://tel.archives-ouvertes.fr/tel-00459149
Submitted on 23 Feb 2010
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
problèmes en chimie quantique et mécanique.
Rachida Chakir
To cite this version:
Rachida Chakir. Contribution à l’analyse numérique de quelques problèmes en chimie quantique et mécanique.. Modélisation et simulation. Université Pierre et Marie Curie - Paris VI, 2009. Français. �tel-00459149�
Universit´e Pierre et Marie Curie – Paris 6 Laboratoire Jacques-Louis Lions – UMR 7598
Contribution `
a l’analyse num´
erique
de quelques probl`
emes en chimie
quantique et m´
ecanique
TH`
ESE DE DOCTORAT
pr´esent´ee et soutenue publiquement le 30 novembre 2009 par
Rachida Chakir
pour l’obtention du
Doctorat de l’universit´
e Pierre et Marie Curie – Paris 6
Sp´ecialit´e Math´ematiques Appliqu´ees
Devant le jury compos´e de : ´
Eric CANC`ES Examinateur Bruno DESPR´ES Examinateur Fran¸cois JOLLET Examinateur Yvon MADAY Directeur de th`ese Endre S ¨ULI Rapporteur
Apr`es avis des rapporteurs : Jean-Luc GUERMOND Endre S ¨ULI
´
i
Remerciements
J’aimerais en premier lieu exprimer ma reconnaissance envers mon directeur de th`ese, Yvon Maday, pour la confiance qu’il m’a accord´ee, en me permettant d’obtenir un financement sans lequel cette th`ese n’aurait pas eu lieu. J’ai ´enor-m´ement appris durant ces trois ann´ees, j’ai pu d´ecouvrir un nouveau monde, celui de la recherche. L’aide qu’il m’a apport´ee ainsi que sa patience m’ont ´et´e tr`es pr´ecieuses dans l’accomplissement de ce travail.
Je souhaiterais remercier mes rapporteurs Jean-Luc Guermond et Endre S¨uli pour le temps qu’ils ont accord´es `a la lecture de cette th`ese et `a l’´elaboration de leur rapport. L’int´erˆet qu’ils ont port´e `a mes travaux ainsi que leurs critiques ont permis d’am´eliorer ce m´emoire.
Un grand merci ´egalement `a Eric Canc`es pour ses conseils avis´es durant cette th`ese et pour sa pr´esence dans mon jury. C’est ´egalement avec plaisir que je remercie Fran¸cois Jollet et Bruno D´espr`es d’avoir accept´e de faire parti de mon jury.
Je tiens `a t´emoigner ma reconnaissance `a Edwige Godlewski pour son soutien et sa disponibilit´e dans les moments de doute.
Pour leur gentillesse et leur disponibilit´e, je remercie Dani`ele Boulic, Liliane Ruprecht, Florence Saidani, Salima, et Christian David. C’est ´egalement avec plaisir que je remercie Khashayar, Antoine Le Hyaric et Fr´ederic Hecht pour leur aide lors de mes d´eboires informatiques.
Je n’oublie ´evidemment pas mes amis et camarades du LJLL avec lesquels j’ai partag´e ces trois derni`eres ann´ees.
Je remercie tout particuli`erement Alexandra C., qui a su ˆetre pr´esente `a tout instant. Son soutien, toutes ces heures pass´ees `a me relire et corriger mes ”perles” orthographiques et grammaticales et ses remarques ont ´et´e autant de mains tendues. Je pense ´egalement `a Nicolas L., l’expert en Gnuplot et correcteur suppl´eant. Je ne pourrais jamais assez vous remercier pour votre aide (j’esp`ere que vous avez gard´e vos stylo rouge, car cette page doit comporter de beaux sp´ecimens).
Un grand merci ´egalement `a Laurent, Nicole et Ulrich pour leur nombreux conseils avis´es.
Merci aux anciens et nouveaux du bureau 3D18, Joelle (tu nous manques, reviens vite), Paulo et Raphael. Mais aussi `a Maya (promis je ferais moins de bruit et mon bordel restera de mon cot´e du bureau), S´epideh, Matthieu L., Giacomo, Tina, Alexandra F. et Joanna. Quant `a nos voisins de paliers, je remercie Evelyne (pour ses r´eponses `a mes questions mˆemes les plus stupides), Mathieu G. (ils sont trop bons tes gˆateaux), Alexis (les tiens aussi, la rel`eve est assur´ee), Benjamin A., Pierre, Jean-Marie et Mouna.
Je n’oublie pas Julie, Cuc, Benjamin B., Vincent, Thomas, Etienne, Rym, Noura, les autres Nicolas, Bawer, Filipa, C´eline et J.F.
Merci `a vous tous, chacun `a votre fa¸con vous avez contribu´e `a l’accomplis-sement de cette th`ese.
Je termine ces remerciements, en pensant `a mes parents qui m’ont toujours soutenue et encourag´ee.
Table des mati`
eres
Introduction et pr´esentation des r´esultats 1
I Sch´ema `a deux grilles pour la r´esolution de probl`emes aux
valeurs propres non lin´eaires 23
1 Analyse num´erique de probl`emes aux valeurs propres non
lin´eaires : un premier mod`ele 25
1 Introduction . . . 27
2 Basic error analysis . . . 31
3 Fourier expansion . . . 39
4 Finite element discretization . . . 43
5 The effect of numerical integration . . . 48
6 Appendix: properties of the ground state . . . 54
2 Analyse num´erique de probl`emes aux valeurs propres non lin´eaire : le mod`ele de Thomas-Fermi-von-Weiz¨acker (TFW) 57 1 Introduction . . . 59
2 Basic Fourier analysis for planewave discretization methods . 59 3 Thomas-Fermi-von-Weizs¨acker model . . . 64
3.1 Step 1: first part of the a priori errors estimates . . 67 iii
3.2 Step 2: proof of the uniqueness of uNc . . . 83
3.3 Step 3: second part of the a priori errors estimates . 84 3.4 Step 4: proof of the uniqueness of uNc,Ng . . . 87
3 Sch´emas `a deux grilles pour la r´esolution de probl`emes aux valeurs propres non lin´eaires 89 1 Introduction . . . 92
2 R´esolution d’un probl`eme lin´earis´e aux valeurs propres sur la grille fine . . . 97
3 R´esolution d’un probl`eme lin´earis´e avec second membre sur la grille fine . . . 108
3.1 Etude du probl`eme 2 . . . 109
3.2 Etude du probl`eme 3 . . . 112
4 R´esultats Num´eriques . . . 115
5 Annexe . . . 117
II Sch´ema `a deux grilles combin´ee `a la m´ethode des bases r´eduites pour la r´esolution d’ E.D.P param´etr´ees 121 4 Sch´ema `a deux grilles combin´ee `a la m´ethode des bases r´eduites pour la r´esolution d’ E.D.P param´etr´ees 123 1 Introduction . . . 125
2 An alternating reduced basis method . . . 127
3 Post-processing . . . 130
4 Numerical results . . . 131
4.1 Example 1 . . . 132
4.2 Example 2 . . . 133
v
Bibliographie 137
R´esum´e 143
Introduction et pr´
esentation
des r´
esultats
3 L’objet principal de cette th`ese est une contribution `a l’analyse num´erique de probl`emes de valeurs propres non lin´eaires, comme on peut en trouver en chimie quantique. La r´esolution de ces probl`emes ´etant tr`es coˆuteuse, l’id´ee est de proposer de nouvelles m´ethodes permettant de simplifier la r´esolution de ce type de probl`emes et ainsi diminuer le coˆut total de calcul. L’analyse num´erique est n´ecessaire pour comprendre si l’impact positif sur le coˆut de total n’a pas de mauvaise cons´equence sur la pr´ecision des r´esultats.
On s’est aper¸cu que l’analyse num´erique de discr´etisation classique n’´etait pas enti`erement faite, et surtout elle n’´etait pas optimale. Il a fallu pr´ealablement compl´eter les travaux existant sur les estimations d’erreur a priori, afin d’obte-nir des r´esultats ´equivalents `a ceux connus dans le cas de probl`emes aux valeurs propres lin´eaires. Les deux premiers chapitres sont consacr´es `a l’analyse num´e-rique de ces probl`emes aux valeurs propres non lin´eaires, ainsi que l’effet de l’int´egration num´erique.
Dans le chapitre 3, ces r´esultats ont ´et´e utilis´es pour la mise en œuvre et l’ana-lyse num´erique de nouveaux sch´emas `a deux grilles pour l’approximation de probl`emes aux valeurs propres non lin´eaires.
Dans une derni`ere partie, on propose d’adapter ce type de m´ethode de sous-grilles, pour une utilisation originale, associ´ee `a la m´ethode des bases r´eduites pour la r´esolution de probl`emes elliptiques avec second membre.
Quelques r´
esultats d’estimations a priori dans le cas
de probl`
emes aux valeurs propres lin´
eaires
De nombreuses applications physiques et m´ecaniques, n´ecessitent l’approxi-mation des valeurs propres et des vecteurs propres de probl`emes elliptiques, ayant des conditions aux limites. L’analyse num´erique de ces probl`emes lin´eaires a ´et´e amplement ´etudi´ee et d´evelopp´ee, et plus particuli`erement dans le cas de la m´ethode des ´el´ements finis [2, 45, 50]. La pr´esentation de ces principaux r´e-sultats est faite dans le mˆeme esprit que celle qui sera propos´ee dans la suite de la th`ese, pour le cas de probl`emes non lin´eaires.
Soit Ω un ouvert born´e de Rd (d = 2 ou 3) `a fronti`ere « r´eguli`ere ». On
s’int´e-resse au probl`eme suivant : Trouver u∈ H1 0(Ω) et λ∈ R tels que a(u, v) = λ Z Ω uv, ∀v ∈ H1 0(Ω) Z Ω u2= 1, (1)
o`u a est une forme bilin´eaire, sym´etrique, continue et coercive sur H01(Ω). Les valeurs propres de ce probl`eme forment une suite croissante tendant vers +∞
et les fonctions propres associ´ees um sont born´ees dans H2(Ω) (en supposant
que la forme bilin´eaire a et la fronti`ere du domaine Ω sont suffisamment r´egu-li`eres, par exemple si Ω est convexe ).
Il s’agit maintenant d’approcher num´eriquement les couples d’´elements propres (λ, u). On introduit un sous-espace de H01(Ω) de dimension finie, de type ´ele-ments finis (K, PK,PK), not´e Xhk tel que :
Xhk={v ∈ H01(Ω), ∀ K ∈ Th, v|K ∈ Pk(K)}.
Th repr´esente une famille r´eguli`ere de triangulation de Ω, le param`etre de
dis-cr´etisation h est d´efini par h = max
T∈Th
hT o`u hT est le diam`etre de T (c’est `a dire
la longueur du plus grand cot´e). On rappelle qu’une famille de triangulation est dite r´eguli`ere si elle v´erifie les hypoth`eses suivantes :
– pour tout h, Ω est ´egale `a l’union de tous les ´el´ements de Th,
– l’intersection de deux ´el´ements distincts est vide, ou un sommet, ou une arˆete enti`ere ou une face enti`ere,
– il existe une constante σ ind´ependante de h telle que ∀T ∈ Th, σT ≤ σ
avec σT = hρTT, et ρT le diam`etre de la boule inscrite dans T .
L’approximation de Galerkin de (1) sur Xhk, s’´ecrit alors : Trouver uh ∈ Xhk et λh∈ R tels que
a(uh, vh) = λh Z Ω uhvh, ∀vh∈ Xhk Z Ω u2h = 1. (2)
Ce probl`eme admet Nh(= dim Xhk) valeurs propres positives qui forment une
suite croissante :
0 < λ1,h≤ λ2,h ≤ · · · ≤ λm,h ≤ · · · ≤ λNh,h.
Soit Vm l’ensemble des sous-espaces de H01(Ω) et Vm,h l’ensemble des
sous-espaces de Xhk, tous deux de dimension m. Alors, d’apr`es le Principe du Min-Max, la m`eme valeur propre λm du probl`eme (1) et la m`eme valeur propre λm,h
du probl`eme (2) sont donn´ees par λm = min Em∈Vm max v∈Em v6=0 a(v, v) kvk2 L2 , λm,h = min Em∈Vm,h max v∈Em vh6=0 a(vh, vh) kvhk2L2 ,
et v´erifient la propri´et´e suivante :
5 De plus, l’´egalit´e suivante nous permet d’obtenir un premier r´esultat de conver-gence. λm,h− λm = a(um,h, um,h)− a(um, um) = a(um,h− um, um,h− um) + 2 a(um,h− um, um) = a(um− um,h, um− um,h)− 2 λm(um, um− um,h)L2 = a(um− um,h, um− um,h)− λm (um, um)L2 + (um,h, um,h)L2 − 2(um, um,h)L2 ( en utilisant kumkL2 =kum,hkL2 = 1) = a(um− um,h, um− um,h)− λm(um− um,h, um− um,h)L2. (3) Avec la continuit´e de la forme bilin´eaire a, ainsi que l’in´egalit´e de Cauchy-Schwarz sur le second terme de droite, on a
|λm,h− λm| ≤ Ckum− um,hk2H1. (4) Faisons maintenant l’hypoth`ese d’approximation suivante :
Il existe une constante C > 0 telle que pour tout u∈ H1
0(Ω)∩ Hℓ(Ω),
1≤ ℓ ≤ k + 1 on ait : inf
vh∈Xhk
ku − vhkH1 ≤ Chℓ−1kukHℓ.
Les estimations d’erreur suivantes sont classiques, voir par exemple [2, 45, 50], n´eanmoins nous choisissons de donner ici une d´emonstration qui servira d’intro-duction au raisonnement utilis´e pour obtenir les estimations d’erreur a priori dans le cas de probl`emes aux valeurs propres non lin´eaires.
Lemme : Si λm est une valeur propre simple, alors pour h≤ h0 assez petit,
λm,h est une valeur propre simple et il existe une constante C positive,
ind´e-pendante du sous-espace Xk
h, telle que l’on ait
kum− um,hkH1 ≤ Chℓ−1kukHℓ (5) kum− um,hkL2 ≤ Chkum− um,hkH1. (6) D´emonstration :
Seul le cas m = 1 sera trait´e. On commencera par montrer que ku1− u1,hkH1 −→
h→00. (7)
Pour cela, on consid`ere le probl`eme de minimisation suivant : Ilin= inf{Elin(v), v∈ H01(Ω),kvkL2 = 1}, o`u Elin(v) =
1
2a(v, v). Ce probl`eme admet une unique solution positive, que l’on notera u. Ainsi, en introduisant l’op´erateur auto-adjoint, Alin, tel que
on obtient que la fonction u v´erifie l’´equation d’Euler-Lagrange suivante : Alinu = λu
o`u λ ∈ R est le multiplicateur de Lagrange associ´e `a la contrainte kukL2 = 1. Le probl`eme aux valeurs propres, issu de ce probl`eme de minimisation, n’est autre que (1). Il existe une base hilbertienne orthonormale de L2(Ω) form´ee des vecteurs propres de (1), de fa¸con `a ce que tout v∈ L2(Ω) et de norme 1, puisse
s’´ecrire sous la forme v = X
m αmum avec X m α2m = 1 et a(v, v) = X m α2mλm.
De ce fait, en remarquant λ1 est la plus petite valeur propre, il apparaˆıt que
le couple (u1, λ1) est solution de cette ´equation d’Euler-Lagrange, ainsi que du
probl`eme de minimisation Ilin.
Par ailleurs, on peut montrer que λ1, la plus petite valeur propre Alin, est simple.
Il en r´esulte que hAlinv, viF − λ1 Z Ω v2 ≥ (λ2− λ1) kvk2L2 − (u1, v)2L2 ∀v ∈ H01(Ω).
On rappelle queku1kL2(Ω)=ku1,hkL2(Ω)= 1, de ce fait |(u1, u1,h)L2(Ω| ≤ 1. Par cons´equent, il apparaˆıt hAlin(u1− u1,h), (u1− u1,h)i − λ1 Z Ω (u1− u1,h)2 ≥ (λ2− λ1) 1− |(u1, u1,h)L2(Ω)|
Ainsi, en choisissant u1,h tel que (u1, u1,h)L2(Ω) ≥ 0, il d´ecoule a(u1− u1,h, u1− u1,h)− λ1ku1− u1,hk2L2(Ω) =hAlin(u1− u1,h), (u1− u1,h)i − λ1ku1− u1,hk2L2(Ω) ≥ 1 2(λ2− λ1 ku1kL2(Ω)+ku1,hkL22(Ω)− 2(u1, u1,h)L2(Ω) ≥ (λ2− λ1) 2 ku1− u1,hk 2 L2(Ω).
Soit θ tel que 0 < θ ≤ λ2− λ1 λ2+ λ1
< 1. `A partir de la ligne pr´ec´edente, on obtient alors a(u1− u1,h, u1− u1,h)− λ1ku1− u1,hk2L2(Ω) = θ a(u1− u1,h, u1− u1,h) + (1− θ) a(u1− u1,h, u1− u1,h)− λ1ku1− u1,hk2L2(Ω) −θλ1ku1− u1,hk2L2(Ω) ≥ θa(u1− u1,h, u1− u1,h) + (1− θ)(λ2− λ1) 2 ku1− u1,hk 2 L2(Ω)− θλ1ku1− u1,hk2L2(Ω) ≥ θa(u1− u1,h, u1− u1,h) + 1 2 λ2− λ1− θ(λ2+ λ1) ku1− u1,hk2L2(Ω). Ceci implique, en utilisant la coercivit´e de la forme bilin´eaire a et en choisissant θ assez petit, qu’il existe une constante C positive telle que
7 En combinant ceci avec l’´egalit´e (3), on a
C 2ku1− u1,hk 2 H1(Ω) ≤ 1 2a(u1− u1,h, u1− u1,h)− λ1 2 (u1− u1,h, u1− u1,h)L2 = 1 2(λ1,h− λ1) = Elin(u1,h)− Elin(u1).
Puisque u1,hest solution du probl`eme aux valeurs propres (2), elle est ´egalement
le minimiseur de Elinsur l’espace Xhk. On a ainsi pour tout vh ∈ Xhk, Elin(u1,h)≤
Elin(vh). Soit xh ∈ Xhk telle que
ku1− xhkH1(Ω) = inf vh∈Xhk ku1− vhkH1(Ω) etku1− xhkH1(Ω) −→ h→00. On obtient finalement C 2ku1− u1,hk 2 H1(Ω) ≤ Elin(xh)− Elin(u1) = 1 2a(vh, vh)− 1 2a(u1, u1) = 1 2a(xh− u1, vh+ u1) ≤ Ckxh− u1kH1(Ω)kxh+ u1kH1(Ω) −→ h→00.
Revenons `a la d´emonstration de l’estimation (5). En utilisant (8), pour tout xh ∈ Xhk, on a Cku1− u1,hk2H1(Ω) ≤ a(u1− u1,h, u1− u1,h)− λ1ku1− u1,hk2L2(Ω) ≤ a(u1− xh, u1− u1,h)− λ1 Z Ω (u1− xh)(u1− u1,h) +a(xh− u1,h, u1− u1,h)− λ1 Z Ω (xh− u1,h)(u1− u1,h) ≤ a(u1− xh, u1− u1,h)− λ1 Z Ω (u1− xh)(u1− u1,h) +λ1 Z Ω (xh− u1,h)u1− λ1,h Z Ω (xh− u1,h)u1,h −λ1 Z Ω (xh− u1,h)(u1− u1,h) ≤ a(u1− xh, u1− u1,h)− λ1 Z Ω (u1− xh)(u1− u1,h) +(λ1− λ1,h) Z Ω (xh− u1,h)u1,h ≤ Cku1− xhkH1(Ω)ku1− u1,hkH1(Ω)+ |λ1− λ1,h| ku1− xhkL2(Ω). Ainsi en utilisant (4) dans cette derni`ere ligne, il vient
ku1− u1,hk2H1(Ω) ≤ Cku1− u1,hkH1(Ω) ku1− xhkH1(Ω)+ku1− u1,hkH1(Ω)ku1− xhkL2(Ω) ≤ Cku1− u1,hkH1(Ω)ku1− xhkH1(Ω) 1 +ku1− u1,hkH1(Ω) .
D’apr`es (7), le terme ku1− u1,hkH1(Ω) est petit, de ce fait on trouve ku1− u1,hkH1(Ω) ≤ Cku1− xhkH1(Ω)= C inf vh∈Xkh ku1− vhkH1(Ω), et finalement, si u∈ H1(Ω)∩ Hℓ(Ω), 1≤ ℓ ≤ k, on a ku1− u1,hkH1 ≤ Chℓ−1kukHℓ.
Il reste `a montrer l’estimation (6), la d´emonstration qui suit diff`ere l´eg`erement de celles qui existent dans la litt´erature, mais elle pourra facilement ˆetre adap-t´ee pour fonctionner dans le cas de probl`eme aux valeurs propres non lin´eaire. Pour cela, on note u⊥ ={v ∈ H01(Ω),
Z
Ω
uv = 0}, le sous espace de H1 0(Ω), et
on consid`ere le probl`eme adjoint suivant :
Trouver ψ ∈ u⊥ tel que pour tout v∈ u⊥, alors
a(ψ, v)− λ(ψ, v) = Z
Ω
(u1− u1,h)v. (9)
La forme bilin´eaire (v, w)7→ a(w, v) − λ(w, v) ´etant coercive, continue et sym´e-trique sur u⊥, le th´eor`eme de Lax-Milgram nous assure l’existence et l’unicit´e de la solution ψ du probl`eme (9). De plus elle v´erifie les hypoth`eses de r´egularit´e et de continuit´e suivantes : ψ∈ H01(Ω)∩ H2(Ω) (10) kψkH2(Ω)≤ Cku1− u1,hkL2(Ω). (11) En particulier, on a inf vh∈Xhk kψ − vhkH1(Ω) ≤ Chku1− u1,hkL2(Ω). (12) Soit u∗1 ∈ H01(Ω), d´efinie par
u∗1 = u1,h+ (1−
Z
Ω
u1u1,h)u1,
de sorte que u∗1− u1 ∈ u⊥, on a ´egalement
u∗1− u1,h =
1
2u1ku1− u1,hk
2
9 Alors, on remarque ku1− u1,hk2L2(Ω) = Z Ω (u1− u1,h)(u1− u∗1) + Z Ω ((u1− u1,h)(u∗1− u1,h) = Z Ω (u1− u1,h)(u1− u∗1) + 1 4ku1− u1,hk 4 L2(Ω) = a(ψ, u1− u1,h)− λ1 Z Ω ψ(u1− u1,h) = a(ψ− ψh, u1− u1,h)− λ1 Z Ω (ψ− ψh)(u1− u1,h) +a(ψh, u1− u1,h)− λ1 Z Ω ψh(u1− u1,h), ∀ψh ∈ Xhk = a(ψ− ψh, u1− u1,h)− λ1 Z Ω (ψ− ψh)(u1− u1,h) +(λ1− λ1,h) Z Ω (ψh− ψ)u1,h+ Z Ω ψu1,h , ∀ψh ∈ Xhk.
Par cons´equent, en utilisant (4), on obtient, pour tout ψh ∈ Xhk
ku1− u1,hk2L2(Ω) ≤ Cku1− u1,hkH1(Ω)kψ − ψhkH1(Ω) +ku1− u1,hk2H1(Ω) ku1kL2(Ω) kψ − ψhkL2(Ω)+kψkL2(Ω) ≤ Cku1− u1,hkH1(Ω) inf ψh∈Xhk kψ − ψhkH1(Ω) +ku1− u1,hk2H1(Ω) inf ψh∈Xhk kψ − ψhkL2(Ω)+kψkH2(Ω) ≤ Cku1− u1,hkH1(Ω)ku1− u1,hkL2(Ω) h +ku1− u1,hkH1(Ω) ≤ Cku1− u1,hkH1(Ω)ku1− u1,hkL2(Ω) h + hℓku1kHℓ+1(Ω) 1≤ ℓ ≤ k. ≤ Chku1− u1,hkH1(Ω)ku1− u1,hkL2(Ω).
On retrouve ainsi (6), ce qui conclut la d´emonstration de ce lemme. ✷
`
A la recherche du fondamental
Il existe plusieurs mod`eles math´ematiques issus des sciences physiques et de l’ing´enierie, dont la r´esolution demande une recherche de valeurs et vecteurs propres de probl`emes non lin´eaires, comme le calcul de modes de vibration en m´ecanique des solides non lin´eaires. On trouve aussi des exemples en chimie quantique, o`u les mod`eles dit ab initio d´erivent directement de l’´equation de Schr¨odinger [27] :
– les ´equations de Gross-Pitaevskii qui d´ecrivent les ´etats stationnaires du condensat de Bose-Einsten,
– les mod`eles d’Hartree-Fock et Kohn-Sham.
Ces deux derniers ont pour but de d´eterminer l’´etat fondamental, c’est-`a-dire l’´etat de plus basse ´energie d’un syst`eme mol´eculaire.
Le mod`ele de Kohn- Sham est tr`es populaire en physique du solide, mais aussi en chimie mol´eculaire. Il repose sur la Th´eorie de la fonctionnelle de densit´e (DFT, Density Functional Theory [23,24,41,53]). Le principal int´erˆet de cette m´ethode r´eside dans le fait qu’elle permet de mod´eliser des syst`emes relativement ´etendus (mol´ecules de taille importante ou des solides) avec une bonne pr´ecision. La description quantique non-relativiste d’un syst`eme mol´eculaire ou cristallin est bas´ee sur l’´equation de Schr¨odinger [27] suivante (qui sera simplifi´ee par diverses approximations pour faciliter sa r´esolution) :
HΨ(−R→j, −→ri) = i~
∂ ∂tΨ(
−→ Rj, −→ri)),
o`u H est le hamiltonien du syst`eme. Cette ´equation peut ˆetre ramen´ee `a un cas stationnaire, qui prend la forme d’un probl`eme aux valeurs propres
Hψ(−R→j, −→ri) = Eψ(−R→j, −→ri),
o`u ψ(−R→j, −→ri) est la fonction d’onde qui d´ecrit le comportement des ´electrons,
−→
Rj et −→ri repr´esentent les coordonn´ees des noyaux et des ´electrons, E
corres-pond quant `a lui `a l’´energie du syst`eme. Chaque valeur propre E correspond `a un niveau d’´energie associ´e `a un ´etat du syst`eme d´ecrit par la fonction d’onde ψ(−R→j, −→ri). L’´etat de plus faible ´energie est le plus stable, chercher celui-ci revient
`
a r´esoudre un probl`eme de minimisation. Pour un syst`eme mol´eculaire compos´e de M noyaux et de N ´electrons. La complexit´e de ce probl`eme est telle qu’il ne peut ˆetre r´esolu sans simplification suppl´ementaire :
– 1er´etape d’approximation : l’approximation de Born-Oppenheimer,
– 2`eme ´etape d’approximation : les m´ethodes de type Fonctionnelle de la
densit´e ou Hartree-Fock (celui-ci ne sera pas trait´e dans cette th`ese), – 3`eme´etape d’approximation : les m´ethodes de discr´etisations et de
r´esolu-tions num´eriques.
Le premier niveau d’approximation est bas´e sur l’approximation de Born-Oppenheimer, qui permet de traiter s´epar´ement les ´electrons et les noyaux d’un syst`eme. Celle-ci s’appuie sur la diff´erence de masse entre ces deux familles de particules. Ainsi, on peut d´ecoupler le mouvement des noyaux de celui des ´electrons. On fixe alors la position des noyaux. Ils deviennent des param`etres et les degr´es de libert´e nucl´eaires apparaissent uniquement dans le potentiel moyen W . La position d’´equilibre la plus stable du syst`eme est donc obtenue minimisant l’´energie po-tentiel W.
11 1. le terme X
1≤k≤l≤M
zkzl
|−→Rk−−R→l|
qui d´ecrit la r´epulsion internucl´eaire (o`u zi
repr´esente la charge du noyau i),
2. le terme qui correspond au potentiel effectif ressenti par les noyaux, dˆu `a la pr´esence du nuage ´electronique. La valeur de ce potentiel en un point est obtenue en cherchant le fondamental du hamiltonien ´electronique He
sur l’espace des fonctions d’ondes, que l’on appellera probl`eme electro-nique.
En raison de la taille des fonctions d’ondes, la r´esolution num´erique de ce pro-bl`eme de minimisation, telle quelle, n’est possible que pour des syst`emes ne contenant qu’un ou deux atomes. Il existe ainsi un second niveau d’approxima-tion d´ecoup´e en deux classes : la m´ethode d’Hartree - Fock et celle issue de la th´eorie de la Fonctionnelle de la densit´e.
La m´ethode de Hartree-Fock ( [21, 48]) est une approximation variationnelle du probl`eme ´electronique consistant `a restreindre l’ensemble de minimisation aux seules fonctions d’onde ψe, qui s’´ecrivent comme un d´eterminant de Slater
de N fonctions d’onde mono´electroniques orthonorm´ees φi appel´ees orbitales
mol´eculaires ψe(−→r1,· · · , −→rN) = 1 p (N !)det(φi(− →rj)). Soit
WN ={Φ = (φi)1≤i≤N, φi ∈ H1(R3), tel que
Z
R3
φiφj = δi,j, 1≤ i, j ≤ N}
l’ensemble des configurations de N orbitales mol´eculaires. On note par ρΦ(x) = N X i=1 |φ(x)|2la densit´e ´electronique, τΦ(x, x′) = N X i=1 φi(x)φi(x′)
la matrice densit´e d’ordre 1 et V (x) =−
M
X
k=1
zk
|x −−→Rk|
, le potentiel cr´e´e par les noyaux et subis par les ´electrons du syst`eme. Le probl`eme d’Hartree-Fock s’´ecrit sous la forme inf{EHF(Φ), Φ∈ WN}, avec EHF(Φ) = N X i=1 1 2 Z R3|∇φi| 2+ Z R3 V ρΦ+ 1 2 Z R3 Z R3 ρΦ(x)ρΦ(x′) |x − x′| dxdx′ −12 Z R3 Z R3 |τΦ(x, x′)|2 |x − x′| dxdx′.
Le premier terme repr´esente l’´energie cin´etique de la fonction d’onde, le troi-si`eme terme correspond `a la r´epulsion coulombienne, quant au dernier il r´esulte de l’antisym´etrie de la fonction d’onde, et est appel´e terme d’´echange. Tout
minimum du probl`eme de Hartree-Fock v´erifie les ´equations d’Euler-Lagrange du probl`eme suivant, `a savoir
−12∆φi+ V φi+ ρΦ⋆ 1 |x| φi− Z R3 |τΦ(x, y)|2 |x − y| dxdy = ǫiφi, ∀1 ≤ i ≤ N, o`u ǫi est le multiplicateurs de Lagrange associ´e `a la contrainteRR3φiφj = δi,j.
Ce mod`ele tr`es non lin´eaire reste tr`es complexe, et tr`es coˆuteux en terme de calcul. L’existence d’un ´etat fondamental est connue ( [26, 30–32]), en revanche l’unicit´e de celui-ci reste un probl`eme ouvert. Par ailleurs, des r´esultats sur l’analyse num´erique de ce mod`ele, en particulier sur les estimations a posteriori, ont ´et´e ´etablis dans [37].
La seconde classe de mod`ele est celle issue de la Th´eorie de la Fonctionnelle de la densit´e. Celle-ci est tr`es populaire en physique du solide et gagne en succ`es en chimie mol´eculaire. Elle consiste `a utiliser la densit´e ´electronique comme variable principale pour caract´eriser le syst`eme. Ainsi, contrairement aux mod`eles de type Hartree-Fock, o`u la variable est une fonction d’onde multi-´electronique, avec 3× N degr´es de libert´e, elle n’en a ici plus que trois. Pour d´eterminer l’´energie et la densit´e ´electronique fondamentale, il suffit de r´esoudre directement un probl`eme de minimisation de la forme
inf F (ρ) + Z R3 ρV, ρ∈ L1(R3), ρ≥ 0, Z R3 ρ = N ,
o`u F est une fonctionnelle universelle, c’est `a dire qu’elle ne d´epend pas du potentiel V cr´e´e par les noyaux. Avant mˆeme qu’une justification th´eorique soit apport´ee par Hohenberg et Kohn en 1964 [23], il existait d´ej`a des mod`eles utilisant ce type de formalisme. Ce sont les mod`eles dit de Thomas- Fermi ( [14, 16,51]), qui sont apparus dans les ann´ees 30. La fonctionnelle F ne pouvant ˆetre exprim´ee explicitement, elle a ´et´e approch´ee `a l’aide de mod`eles empiriques de la physique statistique des gaz homog`enes d’´electrons. Dans le premier mod`ele propos´e, celui de Thomas-Fermi, la fonctionnelle F (ρ) est remplac´ee par :
FT F(ρ) = CTF Z R3 ρ5/3+1 2 Z R3 Z R3 ρΦ(x)ρΦ(y) |x − y| dxdy, avec CTF = 3 5/3π4/3
10 . Le premier terme correspond `a l’´energie cin´etique d’un gaz
homog`ene d’´electrons et peut ˆetre d´etermin´e simplement. Le second terme, dit d’´echange, d´ecrit l’interaction coulombienne. Ce mod`ele a ´et´e perfectionn´e par von Weizs¨acker en am´eliorant le terme d’´energie cin´etique. La fonctionnelle F est alors approch´ee par
FT F W(ρ) = CW
Z
R3|∇
√ρ
|2+FT F(ρ),
avec CW = 0.093. Plus tard, le terme d’´echange a ´et´e corrig´e par Dirac pour
mieux d´ecrire l’int´eraction entre les ´electrons, c’est ainsi que le mod`ele Thomas-Fermi-Dirac-von Weizs¨acker a ´et´e introduit :
FT F DW(ρ) =FT F W(ρ)− CD
Z
R3
13 avec CD = 34 3 π 1/3 .
Dans le mod`ele de Kohn-Sham, la fonctionnelle F est d´ecompos´ee en trois contributions F (ρ) = TKS(ρ) + J(ρ) + Exc(ρ), o`u TKS est l’´energie cin´etique
d’un syst`eme non interagissant, J est l’´energie coulombienne et Excest l’´energie
dite d’´echange-correlation, avec TKS = inf ( 1 2 N X i=1 Z R3|∇φi| 2, Φ ={φ i} ∈ WN, ρΦ = ρ ) J(ρ) = 1 2 Z R3 Z R3 ρΦ(x)ρΦ(y) |x − y| dxdy Exc = F (ρ)− TKS − J(ρ).
La m´ethode de Kohn-Sham est formellement exacte mais la fonctionnelle Excest
inconnue. De ce fait, la validit´e de ce mod`ele d´epend exclusivement de la qualit´e de la fonctionnelle d’´echange-corr´elation approch´ee. Dans le cas de Kohn-Sham, on ne cherche pas `a approcher directement la fonctionnelle F , mais seulement une partie, ce qui donne de meilleurs r´esultats . En effet, bien qu’ils reproduisent correctement un certain nombres de ph´enom`enes, les mod`eles de type Thomas-Fermi ne sont gu`ere utilis´es en chimie. Ils restent toutefois int´eressants d’un point de vue math´emarique, car malgr´e leur simplicit´e par rapport aux mod`eles de type Hartree-Fock ou Kohn-Sham, les difficult´es restent semblables (non lin´earit´e des ´equations, pr´esence de potentiels coulombiens et de fonctionnelles non locales). De nombreuses ´etudes ont ´et´e r´ealis´es sur ces mod`eles, mais il existe peu de travaux sur leur analyse num´erique [28,59,60]. La premi`ere partie de cette th`ese est essentiellement consacr´ee `a l’am´elioration des estimations a priori d´ej`a existantes pour le mod`ele de Thomas- Fermi.
Quelques r´
esultats d’estimations a priori dans le cas
de probl`
emes aux valeurs propres non lin´
eaires
Les probl`emes aux valeurs qui nous int´eressent sont de la forme suivante : Trouver u∈ X et λ ∈ R tels que
− div(A · ∇u) + V u + G′(u2)u = λu sur Ω, (13) avec Ω dans Rd, d = 1, 2, 3. Lorsque les conditions aux bords sont p´eriodiques, le domaine Ω est le cube (0, 2π)d et X d´esignera l’espace H1
#(Ω) d´efini par
H#1(Ω) ={v ∈ H1(Ω), v est 2π-p´eriodique sur Ω}.
Dans le cas contraire, Ω sera simplement un domaine born´e `a fronti`ere r´egu-li`ere, et X sera l’espace H1
0(Ω). En plus de ces conditions au bord, il est
kukL2(Ω)= 1.
Ce probl`eme aux valeurs propres est issu du probl`eme de minimisation suivant : I = inf{E(w), w ∈ X, kwkL2(Ω) = 1}, avec E(w) = 1 2 Z Ω (A∇w) · (∇w) +1 2 Z Ω V w2+ Z Ω G(w2),
qui a exactement deux solutions u et −u. On notera u la solution positive. Celle-ci v´erifie l’´equation de Euler-Lagrange suivante
∀v ∈ X, Z Ω (A∇u) · (∇v) + Z Ω V uv + Z Ω G′(u2)uv− λ Z Ω uv = 0, o`u λ∈ R est le multiplicateur de Lagrange associ´e `a la contrainte kukL2(Ω) = 1. Cette ´equation d’Euler-Lagrange, avec la contrainte de normalisation, prend la forme d’un probl`eme aux valeurs propres non lin´eaire qui n’est autre que (13). Par ailleurs, λ, la plus petite valeur propre de (13), est simple, et u est la fonction propre associ´ee `a λ.
Soit Xδ une famille de sous espace de dimension finie de X telle que pour tout
v∈ X inf vδ∈Xδ {kv − vδkH 1(Ω)} −→ δ→δ∞ 0. On d´efinit le probl`eme de minimisation discret suivant
Iδ= inf{E(wδ), wδ∈ Xδ,kwδkL2(Ω)= 1}. (14) Celui-ci admet exactement deux minimiseurs uδet−uδqui v´erifient le probl`eme
aux valeurs propres ∀vδ ∈ Xδ, Z Ω (A∇uδ)· (∇vδ) + Z Ω V uδvδ+ Z Ω G′(u2δ)uδvδ− λδ Z Ω uδvδ = 0.
Lemme : (voir par exemple [59, 60])
Il existe un δ0 > 0 et C, γ, et M ∈ R+ tels que pour tout 0 < δ < δ0 on ait
ku − uδkH1(Ω −→ δ→δ∞ 0 γ 2ku − uδk 2 H1(Ω≤ E(uδ)− E(u) ≤ M 2 ku − uδk 2 H1(Ω), |λδ− λ| ≤ C kuδ− uk2H1(Ω+ Z Ω (uδ− u)u2δ G′(u2δ)− G′(u2) uδ− u |λδ− λ| ≤ C(kuδ− uk2H1(Ω+kuδ− ukL2(Ω). (15) Cette estimation sur les valeurs propres est tr`es d´ecevante, en particulier lors-qu’on la compare `a celle obtenue dans le cas lin´eaire. Pour am´eliorer celle-ci, il faudra traiter diff´eremment l’int´egrale
Z Ω (uδ− u)u2δ G′(u2δ)− G′(u2) uδ− u de fa¸con `a
15 faire ressortir une norme n´egative.
Deux types de discr´etisations ont ´et´e analys´ees : une m´ethode spectrale (ondes planes) et la m´ethode des ´el´ements finis.
Dans le cas d’un probl`eme aux valeurs propres non lin´eaires, ayant des condi-tions aux limites p´eriodiques, il est naturel d’utiliser une base d’ondes planes pour discr´etiser l’espace X.
On note ek(x) =
eik.x
2πd/2, pour k ∈ Z
d, de fa¸con `a ce que pour tout v ∈ L2
#(Ω),
on ait v(x) = X
k∈Zd
b
vkek(x ), o`u bvk d´esigne le k`eme coefficient de Fourier de v.
On choisit ainsi Xδ = XN = Span{ek,|k|∞ ≤ N}, de sorte que, pour tout
v∈ H#s(Ω), sa meilleure approximation dans H#r(Ω) pour tout r≤ s soit ΠNv = X k∈Zd,|k| ∞≤N b vkek, et ∀v ∈ H#s(Ω) k v − ΠNvkHr(Ω)≤ 1 Ns−rkvkH#s(Ω).
Par ailleurs on notera uN la solution discr`ete uδet l’on supposera que V ∈ H#σ(Ω),
pour σ > d/2.
Th´eor`eme (Ondes Planes) :
Pour tout N ∈ N, on note uN le minimiseur de (14), tel que (u, uN)L2(Ω) ≥ 0. Alors, pour N assez grand, uN est unique et v´erifie les estimations suivantes
ku − uNkHs(Ω)≤ C
Nσ+2−skukHσ+2(Ω) − σ ≤ s < σ + 2,
|λN − λ| ≤ C
C
N2(σ+1)kukHσ+2(Ω).
Par ailleurs, lorsque les conditions aux bord ne sont pas p´eriodiques, on choi-sit Xhk, l’espace de type ´el´ements finis, pour approcher X. De plus, on posera uh = uδ.
Th´eor`eme (El´ements Finis) :
Pour tout h, on note uh le minimiseur de (14), tel que (u, uh)L2(Ω)≥ 0. Alors pour h assez petit, uh est unique et il v´erifie les estimations suivantes :
– Si V ∈ L2(Ω), et si Xh est un espace de type ´el´ements finis P1 on a
ku − uhkH1(Ω) ≤ ChkukH2(Ω) ku − uhkL2(Ω) ≤ Ch2kukH2(Ω)
– Si V ∈ H1(Ω), et que X
h est un espace de type ´el´ements finis P2 on a
ku − uhkH1(Ω) ≤ Ch2kukH3(Ω) ku − uhkL2(Ω) ≤ Ch3kukH3(Ω) ku − uhkH−1(Ω) ≤ Ch4kukH3(Ω) |λh− λ| ≤ Ch4kukH3(Ω).
Grˆace aux estimations d’erreur obtenues en norme n´egative, on retrouve des r´e-sultats du mˆeme ordre de convergence que ceux du cas lin´eaire. Toutefois, il faut tenir compte de l’effet de l’int´egration num´erique. En effet, le choix du nombre de points d’int´egration Ngest primordial, car une sous-int´egration pourrait
gra-vement d´et´eriorer ces estimations (en particulier pour les valeurs propres). La figure suivante 1 illustre ce ph´enom`ene lors de l’approximation par des ondes planes, pour diff´erentes valeurs de N et de Ng, du probl`eme aux valeurs propres
non lin´eaire de dimension 1 :
Trouver (u, λ)∈ X × R, tels que kukL2 = 1 et −∆u + V u + u3= λu, avec V (x) = sin(|x − π|/2), 4 ≤ N ≤ 30, Ng = 2p et 7≤ p ≤ 15. 10-5 10-4 10-3 10-2 13 20 30 40 50 60 | |u -u N Ng ||H 1 (Ech e lle l o g ) 2N+1 (Echelle log)
Error Curve of ||u -uNNg||H as function of 2N+1 in log scale
N N N N N N N N N 10-7 10-6 10-5 10-4 10-3 13 20 30 40 50 60 | |u -u N Ng ||L 2 (Ech e lle l o g ) 2N+1 (Echelle log)
Error Curve of ||u -uNNg||L as function of 2N+1 in log scale
N N N N N N 10(11 10(10 10(9 10(8 10(7 10(6 10(5 10(4 13 20 30 40 50 60 |⁄ ( ⁄N N g | (Ech e lle l o g ) 2N+1 (Echelle log)
Error Curves of |⁄ ( ⁄NNg| as function of 2N+1 in log scales
N N N N N N ( ( ( ( ( ( ( ( ⁄ ( ⁄ ⁄( ⁄ Ng = 128 Ng = 256 Ng = 512 Ng = 1024 ( ( ( ( ( ( ( ( ⁄ ( ⁄ ⁄( ⁄ Ng = 512 Ng = 1024 Ng = 2048 Ng = 4096 Ng = 8192 ( ( ( ( ( ( ( ( ⁄ ( ⁄ ⁄( ⁄ Ng = 4096 Ng = 8192 Ng = 16384 Ng = 32768
Fig. 1 – Effet de l’int´egration num´erique sur les taux de convergence
M´
ethodes de sous-grilles pour la r´
esolution de
pro-bl`
emes aux valeurs propre non lin´
eaires
Les estimations d’erreurs vues pr´ec´edemment sont n´ecessaires `a l’adaptation des sch´emas `a deux grilles, pour la r´esolution de probl`emes aux valeurs propres non lin´eaires. En effet, cette technique repose sur le fait que la contribution de uδ `a l’erreur mesur´ee en norme L2(Ω) a un ordre plus ´elev´e que si elle ´etait
mesur´ee en norme H1(Ω).
17 de probl`emes aux valeurs propres, a ´et´e introduite par Xu et Zhou [57, 58] et plus particuli`erement, pour les ´equations de Kohn-Sham. Celles-ci sont de la forme
[−∆ + V + Vs(ρ)]φi = ǫiφi.
La particularit´e de ce probl`eme est que le terme Vs est non lin´eaire. Celui-ci
provient de la d´erivation de l’´energie coulombienne et de celle de l’´echange-correlation. En effet, ce potentiel Vs d´epend de la densit´e ´electronique ρ (qui
n’est autre que la somme des|φi|2). Ce type d’´equation doit ˆetre r´esolue `a l’aide
d’algorithmes it´eratifs dit self consistant (SCF) (cf. sch´ema ci-dessous).
[−∆ + V + V
s(ρ
0)] ˜
φ
1i= ˜
#
iφ
˜
1iρ
1= ˜
ρ
1 !!(*) [−∆ + V + V
s(ρ
k−1)] ˜
φ
ki= ˜
#
iφ
˜
ki θ=argmin α∈[0,1]{αE(˜ ρk−1)+(1−α)E(˜ρk)} !!ρ
k= θρ
k−1+ (1 − θ)˜
ρ
k if |E(ρk−1) − E(ρk) | ≥ tol ""if
|E(ρ
k−1) − E(ρ
k)
| < tol
!!
ρ = ρ
kFig. 2 – Sch´ema de r´esolution d’un probl`eme aux valeurs propres non lin´eaire `
a l’aide d’un algorithme de type SCF
Ainsi, `a chaque ´etape (*), il faut r´esoudre un probl`eme aux valeurs propres lin´eaire. Dans les sch´emas `a deux grilles existant [12], cette ´etape est remplac´ee par la r´esolution d’un probl`eme lin´earis´e avec un second membre. On a par exemple ces diff´erentes ´etapes :
1. R´esoudre le probl`eme aux valeurs propres lin´eaires sur un espace de dis-cr´etisation grossier not´e SH :
Trouver (uH, λH)∈ SH × R, tels que
kuHkL2(Ω) = 1 et Z Ω∇uH∇v + Z Ω (V + Vs)uHv = λH Z Ω uhv ∀v ∈ SH.
2. R´esoudre le probl`eme lin´eaire avec second membre sur un espace de dis-cr´etisation fin Sh :
Trouver uh ∈ Sh telle que Z Ω∇uh∇v + Z Ω (V + Vs)uhv = λH Z Ω uhv ∀v ∈ Sh. 3. Poser λh = Z Ω|∇uh| 2+ Z Ω (V + Vs)u2h kuhk2L2(Ω)
Bien que cette m´ethode donne de bon r´esultat (car la r´esolution d’un probl`eme lin´eaire avec second membre est plus rapide et moins complexe que celle d’un probl`eme aux valeurs propres lin´eaire), la partie it´erative de cet algorithme reste n´eanmoins faite sur la grille la plus fine.
C’est pourquoi les sch´emas pr´esent´es ici sont tels que, dans l’espace de dis-cr´etisation fin, ne sont r´esolus que des probl`emes lin´eaires. Pour cela, il faut pr´ealablement calculer la solution du probl`eme aux valeurs propres non lin´eaire sur un espace grossier. Cette solution sera ensuite utilis´ee pour r´esoudre un pro-bl`eme aux valeurs propres lin´earis´e, ou mˆeme un propro-bl`eme lin´earis´e avec second membre, de la fa¸con suivante :
1. Sur une grille grossi`ere
R´esolution d’un probl`eme aux valeurs propres non lin´eaire sur un espace grossier XH1 alin(uH, v) + ! Ω G!(u2 H)uHv = λH ! Ω uHv, ∀v ∈ XH1
2. Sur une grille fine
Probl`eme 1 R´esolution d’un probl`eme aux valeurs propres lin´earis´e
sur un espace fin X1
h alin(uHh, v) + ! Ω G!(u2 H)uHhv = λH h ! Ω uH hv ∀v ∈ Xh1 Probl`eme 2 R´esolution d’un probl`eme lin´earis´e avec second membre
sur un espace fin X1
h alin(˜uHh, v) + ! Ω G!(u2 H)˜uHhv = λH ! Ω uHv ∀v ∈ Xh1 Probl`eme 3 R´esolution d’un probl`eme lin´earis´e avec second membre
sur un espace fin X1
h alin(uHh, v) = − ! Ω G!(u2 H)uHv +λH ! Ω uHv ∀v ∈ Xh1.
Ainsi, si les espaces de discr´etisation grossier et fin sont choisis de fa¸con ad´equate, l’erreur commise par l’approximation, `a l’aide de ces sch´emas, sera du mˆeme ordre que celle commise lors de la r´esolution directe du probl`eme non lin´eaire sur la grille fine. En effet, si la forme bilin´eaire a et la fonction G sont telles que les probl`emes 2 et 3 soient bien pos´es, il existe alors une constante C positive et δ0 tels que, pour 0 < h < H ≤ δ0, on ait, pour chacun des probl`emes
pr´esent´es plus haut, une estimation de la forme suivante ku − vHhkH1(Ω) ≤ C[h + H2]kukH2(Ω), o`u vH
h d´esigne la solution du probl`eme 1, 2 ou 3. Cette estimation est semblable
`
19 Remarque : Cette analyse n’a ´et´e faite que pour des grilles d’´el´ements finis P1, mais il est raisonnable de penser que cette m´ethode peut facilement s’adap-ter aux discr´etisations de type spectrale, et plus particuli`erement, `a celle par les ondes planes. En effet, pour obtenir ces derni`eres estimations d’erreurs, il a fallu utiliser les r´esultats sur la convergence des approximations en norme L2, et en norme n´egative, obtenus un peu plus tˆot.
Par ailleurs, ces sch´emas `a deux grilles peuvent ˆetre ´egalement adapt´es `a la m´ethode de bases r´eduites.
Une m´
ethode de bases r´
eduites alternative
La m´ethode de bases r´eduites [34] est apparue dans les ann´ees 70, pour l’´etude de probl`emes de m´ecanique des solides non lin´eaires [40], et a ´et´e ´eten-due `a un grand nombre d’´equations aux d´eriv´ees partielles d´ependant de para-m`etres [36, 42]. Cette m´ethode repose sur le fait que l’ensemble des solutions u(µ), variant selon la valeur de µ, est de faible dimension. En effet, il existe un ensemble (de taille raisonnable) de param`etres µi, qui, si ils sont bien choisis,
permettent d’approcher n’importe quelle solution u(µ) `a l’aide d’une combi-naison lin´eaire des solutions d´ependant de ces µi, `a un seuil de tol´erance pr`es.
Cette m´ethode d’approximation est une alternative aux m´ethodes usuelles, car le nombre de degr´es de libert´e n´ecessaire est moins grand. En fait plus qu’une alternative c’est un compl´ement car les ´el´ements de la bases sont calcul´es par la m´ethode m´ethode des ´el´ements finis. Il existe deux mani`eres pour d´eterminer ses solutions particuli`eres u(µi) :
– les m´ethodes de d´ecomposition propre orthogonale (POD)
– les algorithmes gloutons, bien que moins coˆuteux, n´ecessitant la d´efinition d’indicateurs d’erreur a posteriori [33, 46].
L’impl´ementation de la m´ethode de bases r´eduites, se d´ecoupe en deux ´etapes : – la premi`ere, dite « hors ligne », durant laquelle la base sera construite, et les matrices pourront ˆetre assembl´ees `a l’aide de techniques de d´ecompo-sition affine, ou d’interpolation sur « points magiques ». C’est la phase la plus coˆuteuse puisqu’on utilisera une m´ethode de discretisation habituelle (´el´ements finis, ou autres),
– la seconde ´etape, dite « en ligne », est plus rapide puisqu’elle ne fait inter-venir que la base r´eduite.
Pour assembler rapidement la matrice de rigidit´e, pour chaque nouvelle valeur de µ, il existe deux m´ethodes :
– la d´ecomposition affine des param`etres, si a(u, v, µ) peut s’´ecrire sous la forme X
p
– l’interpolation sur des « points magiques »pour traiter les non lin´eari-t´es [18, 35].
Ainsi, il suffit de pr´e-calculer les parties ind´ependantes des param`etres durant l’´etape « hors-ligne », pour gagner en temps de calcul. Pour mettre en oeuvre ces techniques, il faut avoir acc`es au code simulation. Comment faire alors, dans le cas industriel o`u les codes sont utilis´es en boite noire ?
Il existe une alternative, expos´ee dans la partie 2, qui utilise des arguments de sous-grille d’´el´ements finis (inspir´e de [20, 54]) et dont on peut acc´el´erer la convergence grˆace `a des arguments de bases r´eduites et un post-traitement.
Plan de la th`
ese
Partie 1 :
Le but de cette premi`ere partie est de montrer que l’utilisation de sch´emas `a deux grilles pour la r´esolution de probl`emes aux valeurs propres non lin´eaires est possible. Pour cela, il faudra pr´ealablement montrer que l’erreur mesur´ee en norme L2 a un ordre plus ´elev´e que celle mesur´ee en norme H1. De nombreux travaux ont ´et´e effectu´es dans les cas de probl`emes aux valeurs propres lin´eaires [2, 45, 50] mais il existe peu de r´esultats sur l’analyse num´erique de probl`emes aux valeurs propres non lin´eaires [28, 59, 60].
Dans le premier chapitre, des r´esultats de convergence seront ´etablis pour le cas d’un probl`eme simple. Une attention particuli`ere sera port´ee aux normes n´egatives. En effet, l’utilisation de celles-ci permettra d’obtenir le mˆeme type d’estimation que dans le cas d’un probl`eme aux valeurs propres lin´eaire. L’effet de l’int´egration num´erique devra ´egalement ˆetre pris en compte pour obtenir des taux de convergence optimaux. Cette ´etude sera faite sur deux types de discr´etisations : spectrales (Fourier) et ´elements finis.
Le second chapitre est consacr´e `a l’analyse num´erique du mod`ele de Thomas-Fermi-Von-Weizacker.
Le dernier chapitre de cette partie sera d´edi´e `a l’analyse num´erique de nouveaux sch´emas `a deux grilles, pour la r´esolution de probl`emes aux valeurs propres non lin´eaires.
Partie 2 :
La m´ethode des bases r´eduites permet la diminution du nombre de degr´es de libert´e dans l’approximation d’un syst`eme d’´equations aux d´eriv´ees partielles d´ependant d’un param`etre.
La proc´edure num´erique de la m´ethode des bases r´eduites se d´eroule en deux ´etapes. Dans un premier temps, une ´etape de pr´e-calcul a lieu, dans laquelle
21 la base r´eduite et des fonctions associ´ees sont calcul´ees pour un ensemble de points prescrits dans l’espace des param`etres. Dans un deuxi`eme temps, la solu-tion approch´ee du mod`ele en temps r´eel est calcul´ee pour une valeur quelconque du param`etre.
La premi`ere ´etape de cette proc´edure, n´ecessite l’acc`es au code de simulation, ce qui peut poser probl`eme dans le cas de codes industriels. Ces derniers sont souvent utilis´es en boite noire.
Le but de cette seconde partie est d’adapter les sch´emas `a deux grilles aux m´ethodes de bases r´eduites. Ainsi, il sera possible d’obtenir des taux de conver-gence optimaux, tout en diminuant le nombre de degr´es de libert´e, et ce, mˆeme dans le cas d’un code utilisable uniquement en boite noire.
En effet, en combinant les propri´et´es de convergence des normes n´egatives et celles des bases r´eduites, ceci est possible. Le premier chapitre sera essentielle-ment consacr´e `a l’introduction au m´ethodes de bases r´eduites, le second sera d´edi´e `a l’´etude de cette nouvelle m´ethode.
Premi`
ere partie
Sch´
ema `
a deux grilles pour la
r´
esolution de probl`
emes aux
valeurs propres non lin´
eaires
Chapitre 1
Analyse num´
erique de
probl`
emes aux valeurs propres
non lin´
eaires : un premier
mod`
ele
1. Introduction 27
Numerical analysis of nonlinear eigenvalue problems
Eric Canc`es1, Rachida Chakir2 and Yvon Maday3
1Universit´e Paris-Est, CERMICS, Project-team Micmac, INRIA-Ecole des
Ponts, 6&8 avenue Blaise Pascal, 77455 Marne-la-Vall´ee Cedex 2, France.
2,3UPMC Univ Paris 06, UMR 7598 LJLL, Paris, F-75005 France ; CNRS,
UMR 7598 LJLL, Paris, F-75005 France.
3Division of Applied Mathematics, Brown University, Providence, RI, USA.
Abstract
We provide a priori error estimates for variational approximations of the ground state energy, eigenvalue and eigenvector of nonlinear ellip-tic eigenvalue problems of the form −div(A∇u) + V u + f(u2)u = λu, kukL2 = 1. We focus in particular on the Fourier spectral approximation
(for periodic problems) and on the P1 and P2 finite-element discretiza-tions. Denoting by (uδ, λδ) a variational approximation of the ground state eigenpair (u, λ), we are interested in the convergence rates ofkuδ− ukH1,
kuδ− ukL2,|λδ− λ|, and the ground state energy, when the discretization parameter δ goes to zero. We prove in particular that if A, V and f satisfy certain conditions,|λδ− λ| goes to zero as kuδ− uk2H1+kuδ− ukL2. We
also show that under more restrictive assumptions on A, V and f ,|λδ− λ| converges to zero askuδ− uk2H1, thus recovering a standard result for
lin-ear elliptic eigenvalue problems. For the latter analysis, we make use of estimates of the error uδ− u in negative Sobolev norms.
Keywords: nonlinear eigenvalue problem, convergence analysis, super-convergence, Fourier spectral approximation, finite element approxima-tion.
1
Introduction
Many mathematical models in science and engineering give rise to nonlinear eigenvalue problems. Let us mention for instance the calculation of the vibra-tion modes of a mechanical structure in the framework of nonlinear elasticity, the Gross-Pitaevskii equation describing the steady states of Bose-Einstein con-densates [38], or the Hartree-Fock and Kohn-Sham equations used to calculate ground state electronic structures of molecular systems in quantum chemistry and materials science (see [9] for a mathematical introduction).
The numerical analysis of linear eigenvalue problems has been thoroughly studied in the past decades (see e.g. [2]). On the other hand, only a few results on nonlinear eigenvalue problems have been published so far [59, 60].
In this article, we focus on a particular class of nonlinear eigenvalue problems arising in the study of variational models of the form
I = inf E(v), v∈ X, Z Ω v2 = 1 (1) where
Ω is a regular bounded domain or a rectangular brick of Rd and X = H1
0(Ω)
or
Ω is the unit cell of a periodic latticeR of Rd and X = H1
#(Ω)
with d = 1, 2 or 3, and where the energy functional E is of the form E(v) = 1 2a(v, v) + 1 2 Z Ω F (v2(x)) dx with a(u, v) = Z Ω (A∇u) · ∇v + Z Ω V uv.
Recall that if Ω is the unit cell of a periodic latticeR of Rd, then for all s∈ R
and k ∈ N, H#s(Ω) = nv|Ω, v∈ Hlocs (Rd)| v R-periodic o , C#k(Ω) = nv|Ω, v∈ Ck(Rd)| v R-periodic o . We assume in addition that
• A ∈ (L∞(Ω))d×d and A(x) is symmetric for almost all x∈ Ω (2) ∃α > 0 s.t. ξTA(x)ξ≥ α|ξ|2 for all ξ∈ Rd and almost all x∈ Ω (3)
• V ∈ Lp(Ω) for some p > max(1, d/2) (4)
• F ∈ C1([0, +∞), R) ∩ C2((0,∞), R) and F′′> 0 on (0, +∞) (5) ∃0 ≤ q < 2, ∃C ∈ R+ s.t. ∀t ≥ 0, |F′(t)| ≤ C(1 + tq) (6)
F′′(t)t remains bounded in the vicinity of 0. (7) To establish some of our results, we will also need to make the additional as-sumption that there exists 1 < r≤ 2 and 0 ≤ s ≤ 5 − r such that
∀R > 0, ∃CR∈ R+ s.t. ∀0 < t1 ≤ R, ∀t2∈ R, F′(t2 2)t2− F′(t21)t2− 2F′′(t21)t21(t2− t1) ≤ CR(1 +|t2|s)|t2− t1|r. (8)
Note that for all 1 < m < 3 and all c > 0, the function F (t) = ctm satisfies (5)-(7) and (8), for some 1 < r ≤ 2. It satisfies (8) with r = 2 if 3/2 ≤ m < 3. This allows us to handle the Thomas-Fermi kinetic energy functional (m = 53) as well as the repulsive interaction in Bose-Einstein condensates (m = 2).
1. Introduction 29 Remark 1.1 Assumption (6) is sharp for d = 3, but is useless for d = 1 and can be replaced with the weaker assumption that there exist q <∞ and C ∈ R+
such that|F′(t)| ≤ C(1 + tq) for all t∈ R
+, for d = 2. Likewise, the condition
0 ≤ s ≤ 5 − r in assumption (8) is sharp for d = 3 but can be replaced with 0≤ s < ∞ if d = 1 or d = 2.
In order to simplify the notation, we denote by f (t) = F′(t).
Making the change of variable ρ = v2 and noticing that a(|v|, |v|) = a(v, v) for all v∈ X, it is easy to check that
I = inf E(ρ), ρ ≥ 0, √ρ∈ X, Z Ω ρ = 1 , (9) where E(ρ) = 1 2a( √ ρ,√ρ) + 1 2 Z Ω F (ρ).
We will see that under assumptions (2)-(6), (9) has a unique solution ρ0 and
(1) has exactly two solutions: u = √ρ0 and −u. Moreover, E is C1 on X and
for all v∈ X, E′(v) = Avv where
Av =−div(A∇·) + V + f(v2).
Note that Av defines a self-adjoint operator on L2(Ω), with form domain X.
The function u therefore is solution to the Euler equation
∀v ∈ X, hAuu− λu, viX′,X = 0 (10) for some λ ∈ R (the Lagrange multiplier of the constraint kuk2L2 = 1) and equation (10), complemented with the constraint kukL2 = 1, takes the form of the nonlinear eigenvalue problem
Auu = λu
kukL2 = 1. (11)
In addition, u ∈ C0(Ω), u > 0 in Ω and λ is the ground state eigenvalue of the linear operator Au. An important result is that λ is a simple eigenvalue of
Au. It is interesting to note that λ is also the ground state eigenvalue of the
nonlinear eigenvalue problem
search (µ, v)∈ R × X such that Avv = µv
kvkL2 = 1,
(12)
in the following sense: if (µ, v) is solution to (12) then either µ > λ or µ = λ and v =±u. All these properties, except maybe the last one, are classical. For the sake of completeness, their proofs are however given in the Appendix.
Let us now turn to the main topic of this article, namely the derivation of a priori error estimates for variational approximations of the ground state
eigenpair (λ, u). We denote by (Xδ)δ>0 a family of finite-dimensional subspaces
of X such that
min{ku − vδkH1, vδ∈ Xδ} −→
δ→0+ 0 (13)
and consider the variational approximation of (1) consisting in solving Iδ= inf E(vδ), vδ∈ Xδ, Z Ω vδ2= 1 . (14)
Problem (14) has at least one minimizer uδ, which satisfies
∀vδ∈ Xδ, hAuδuδ− λδuδ, vδiX′,X = 0 (15) for some λδ ∈ R. Obviously, −uδ also is a minimizer associated with the same
eigenvalue λδ. On the other hand, it is not known whether uδ and −uδ are
the only minimizers of (14). One of the reasons why the argument used in the infinite-dimensional setting cannot be transposed to the discrete case is that the set
ρ| ∃uδ∈ Xδ s.t. kuδkL2 = 1, ρ = u2δ
is not convex in general. We will see however (cf. Theorem 1) that for any family (uδ)δ>0 of global minimizers of (14) such that (u, uδ)≥ 0 for all δ > 0,
the following holds true
kuδ− ukH1 −→
δ→0+ 0.
In addition, a simple calculation leads to
λδ− λ = h(Au− λ)(uδ− u), (uδ− u)iX′,X+ Z Ω wu,uδ(uδ− u) (16) where wu,uδ = u 2 δ f (u2δ)− f(u2) uδ− u .
The first term of the right-hand side of (16) is nonnegative and goes to zero as kuδ− uk2H1. We will prove in Theorem 1 that the second term goes to zero at least as kuδ− ukL6/(5−2q). Therefore, |λδ− λ| converges to zero with δ at least
askuδ− uk2H1+kuδ− ukL6/(5−2q).
The purpose of this article is to provide more precise a priori error bounds on |λδ−λ|, as well as on kuδ−ukH1,kuδ−ukL2 and E(uδ)−E(u). In Section 2, we prove a series of estimates valid in the general framework described above. We then turn to more specific examples, where the analysis can be pushed further. In Section 2, we concentrate on the discretization of problem (1) with
Ω = (0, 2π)d, X = H#1(0, 2π)d, E(v) = 1 2 Z Ω|∇v| 2+ 1 2 Z Ω V v2+ 1 2 Z Ω F (v2),
2. Basic error analysis 31 in Fourier modes. In Section 4, we deal with the P1 and P2 finite element
discretizations of problem (1) with
Ω rectangular brick of Rd, X = H01(Ω), E(v) =1 2 Z Ω|∇v| 2+1 2 Z Ω V v2+1 2 Z Ω F (v2).
Lastly, we discuss the issue of numerical integration in Section 5.
2
Basic error analysis
The aim of this section is to establish error bounds onkuδ− ukH1,kuδ− ukL2, |λδ− λ| and E(uδ)− E(u), in a general framework. In the whole section, we
make the assumptions (2)-(7) and (13), and we denote by u the unique positive solution of (1) and by uδ a minimizer of the discretized problem (14) such that
(uδ, u)L2 ≥ 0. We also introduce the bilinear form E′′(u) defined on X× X by hE′′(u)v, wiX′,X =hAuv, wiX′,X+ 2
Z
Ω
f′(u2)u2vw.
When F ∈ C2([0, +∞), R), then E is twice differentiable on X and E′′(u) is
the second derivative of E at u.
Lemma 1 There exists β > 0 and M∈ R+ such that for all v∈ X,
0 ≤ h(Au− λ)v, viX′,X ≤ Mkvk2
H1 (17)
βkvk2H1 ≤ h(E′′(u)− λ)v, viX′,X ≤ Mkvk2
H1. (18)
There exists γ > 0 such that for all δ > 0,
γkuδ− uk2H1 ≤ h(Au− λ)(uδ− u), (uδ− u)iX′,X. (19) Proof We have for all v∈ X,
h(Au− λ)v, viX′,X ≤ kAkL∞k∇vk2
L2 +kV kLpkvk2
L2p′ +kf(u2)kL∞kvk2L2
where p′ = (1− p−1)−1 and
h(E′′(u)− λ)v, viX′,X ≤ h(Au− λ)v, viX′,X + 2kf′(u2)u2kL∞kvk2
L2.
Hence the upper bounds in (17) and (18). We now use the fact that λ, the lowest eigenvalue of Au, is simple (see Lemma 2 in the Appendix). This implies
that there exists η > 0 such that
∀v ∈ X, h(Au− λ)v, viX′,X ≥ η(kvk2
This provides on the one hand the lower bound (17), and leads on the other hand to the inequality
∀v ∈ X, h(E′′(u)− λ)v, viX′,X ≥ 2 Z
Ω
f′(u2)u2v2. As f′ = F′′> 0 in (0, +∞) and u > 0 in Ω, we therefore have
∀v ∈ X \ {0} , h(E′′(u)− λ)v, viX′,X > 0.
Reasoning by contradiction, we deduce from the above inequality and the first inequality in (20) that there exists eη > 0 such that
∀v ∈ X, h(E′′(u)− λ)v, viX′,X ≥ eηkvk2
L2. (21)
Besides, there exists a constant C ∈ R+ such that
∀v ∈ X, h(Au− λ)v, viX′,X ≥ α 2k∇vk
2
L2 − Ckvk2L2. (22) Let us establish this inequality for d = 3 (the case when d = 1 is straightforward and the case when d = 2 can be dealt with in the same way). For all x∈ X, h(Au− λ)v, viX′,X = Z Ω (A∇v) · ∇v + Z Ω (V + f (v2)− λ)v2 ≥ αk∇vk2L2 − kV kLpkvk2 L2p′ + (f (0)− λ)kvk 2 L2 ≥ αk∇vk2L2 − kV kLpkvk2−3/p L2 kvk 3/p L6 + (f (0)− λ)kvk2L2 ≥ αk∇vk2L2 − C63/pkV kLpkvk2−3/p L2 kvk 3/p H1 + (f (0)− λ)kvk2L2 ≥ α2k∇vk2L2 + f(0) − λ −3− 2p2p 3C62kV k 2p/3 Lp pα !3/(2p−3) −α2 kvk2 L2,
where C6 is the Sobolev constant such that ∀v ∈ X, kvkL6 ≤ C6kvkH1. The coercivity of E′′(u)− λ (i.e. the lower bound in (18)) is a straightforward consequence of (21) and (22).
To prove (19), we notice that
kuδk2L2 − |(u, uδ)L2|2 ≥ 1 − (u, uδ)L2 = 1
2kuδ− uk
2
L2.
It therefore readily follows from (20) that
h(Au− λ)(uδ− u), (uδ− u)iX′,X ≥ η
2kuδ− uk
2
L2.
2. Basic error analysis 33 For w∈ X′, we denote by ψ
w the unique solution to the adjoint problem
find ψw ∈ u⊥ such that ∀v ∈ u⊥, h(E′′(u)− λ)ψw, viX′,X =hw, viX′,X, (23) where u⊥= v∈ X | Z Ω uv = 0 .
The existence and uniqueness of the solution to (64) is a straightforward con-sequence of (18) and the Lax-Milgram lemma. Besides,
∀w ∈ L2(Ω), kψwkH1 ≤ β−1MkwkX′ ≤ β−1MkwkL2. (24) We can now state the main result of this section.
Theorem 1 Under assumptions (2)-(6) and (13), it holds kuδ− ukH1 −→
δ→0+ 0.
If in addition, (7) is satisfied, then there exists C∈ R+ such that for all δ > 0,
γ 2kuδ− uk 2 H1 ≤ E(uδ)− E(u) ≤ M 2 kuδ− uk 2 H1 + Ckuδ− ukL6/(5−2q), (25) and |λδ− λ| ≤ C kuδ− uk2H1+kuδ− ukL6/(5−2q) . (26)
Besides, if assumption (8) is satisfied for some 1 < r ≤ 2 and 0 ≤ s ≤ 5 − r, then there exists δ0> 0 and C ∈ R+ such that for all 0 < δ < δ0,
kuδ− ukH1 ≤ C min vδ∈Xδkvδ− ukH 1 (27) kuδ− uk2L2 ≤ C kuδ− ukL2kuδ− ukrL6r/(5−s) +kuδ− ukH1 min ψδ∈Xδkψ uδ−u− ψδkH1 . (28) Lastly, if F′′ is bounded in the vicinity of 0, there exists C ∈ R+ such that for
all δ > 0,
γ
2kuδ− uk
2
H1 ≤ E(uδ)− E(u) ≤ Ckuδ− uk2H1. (29)
Remark 2.1 If 0≤ r + s ≤ 3, then
kuδ−ukrL6r/(5−s) ≤ kuδ−uk(5−r−s)/2L2 kuδ−uk(3r−5+s)/2L6 ≤ kuδ−ukL2kuδ−ukr−1
H1 ,
so that (70) implies the simpler inequality kuδ− uk2L2 ≤ Ckuδ− ukH1 min
ψδ∈Xδkψ
Proof of Theorem 1 We have E(uδ)− E(u) = 1 2hAuuδ, uδiX′,X− 1 2hAuu, uiX′,X +1 2 Z Ω F u2δ− F u2− f u2(u2δ− u2) = 1
2h(Au− λ)(uδ− u), (uδ− u)iX′,X +1 2 Z Ω F (uδ)− F u2 − f u2(u2δ− u2). (31) Using (19) and the convexity of F , we get
E(uδ)− E(u) ≥
γ
2kuδ− uk
2
H1.
Let Πδu∈ Xδ be such that
ku − ΠδukH1 = min{ku − vδkH1, vδ∈ Xδ} .
We deduce from (13) that (Πδu)δ>0 converges to u in X when δ goes to zero.
Denoting by euδ = kΠδuk−1L2Πδu (which is well defined, at least for δ small
enough), we also have
lim
δ→0+keuδ− ukH1 = 0.
The functional E being strongly continuous on X, we obtain kuδ− uk2H1 ≤
2
γ (E(uδ)− E(u)) ≤ 2
γ(E(ueδ)− E(u)) −→δ→0+0. It follows that there exists δ1 > 0 such that
∀0 < δ ≤ δ1, kuδkH1 ≤ 2kukH1, kuδ− ukH1 ≤ 1 2. We then easily deduce from (31) the upper bounds in (67) and (29).
Next, we remark that
λδ− λ = hE′(uδ), uδiX′,X− hE′(u), uiX′,X = a(uδ, uδ)− a(u, u) + Z Ω f (u2δ)u2δ− Z Ω f (u2)u2 = a(uδ− u, uδ− u) + 2a(u, uδ− u) + Z Ω f (u2δ)u2δ− Z Ω f (u2)u2 = a(uδ− u, uδ− u) + 2λ Z Ω u(uδ− u) − 2 Z Ω f (u2)u(uδ− u) + Z Ω f (u2δ)u2δ− Z Ω f (u2)u2 = a(uδ− u, uδ− u) − λkuδ− uk2L2 − 2 Z Ω f (u2)u(uδ− u) + Z Ω f (u2δ)u2δ− Z Ω f (u2)u2 = h(Au− λ)(uδ− u), (uδ− u)iX′,X+
Z
Ω
2. Basic error analysis 35 where wu,uδ = u 2 δ f (u2δ)− f(u2) uδ− u . As u∈ L∞(Ω), we have |wu,uδ| ≤ 12u sup t∈(0,4kuk2 L∞] F′′(t)t if|uδ| < 2u 2 |f(u2δ)| + max t∈[0,kuk2 L∞] |f(t)| ! |uδ| if|uδ| ≥ 2u,
and we deduce from assumptions (6)-(7) that |wu,uδ| ≤ C(1 + |uδ|
2q+1),
for some constant C independent of δ. Using (17), we therefore obtain that for all 0 < δ≤ δ1, |λδ− λ| ≤ Mkuδ− uk2H1+kwu,uδkL6/(2q+1)kuδ− ukL6/(5−2q) ≤ Mkuδ− uk2H1+ C(1 +kuδk2q+1H1 )kuδ− ukL6/(5−2q) ≤ C kuδ− uk2H1 +kuδ− ukL6/(5−2q) , (33)
where C denotes constants independent of δ.
In order to evaluate the H1-norm of the error uδ− u, we first notice that
∀vδ∈ Xδ, kuδ− ukH1 ≤ kuδ− vδkH1+kvδ− ukH1, (34) and that
kuδ− vδk2H1 ≤ β−1h(E′′(u)− λ)(uδ− vδ), (uδ− vδ)iX′,X = β−1
h(E′′(u)− λ)(uδ− u), (uδ− vδ)iX′,X +h(E′′(u)− λ)(u − vδ), (uδ− vδ)iX′,X
. (35) For all wδ ∈ Xδ
h(E′′(u)− λ)(uδ− u), wδiX′,X =− Z Ω f (u2δ)uδ− f(u2)uδ− 2f′(u2)u2(uδ− u) wδ+ (λδ− λ) Z Ω uδwδ. (36)
On the other hand, we have for all vδ∈ Xδ such that kvδkL2 = 1, Z Ω uδ(uδ− vδ) = 1− Z Ω uδvδ = 1 2kuδ− vδk 2 L2.
Using (8) and (33), we therefore obtain that for all 0 < δ≤ δ1 and all vδ∈ Xδ
such thatkvδkL2 = 1,
h(E′′(u)− λ)(u
δ− u), (uδ− vδ)iX′,X ≤ C kuδ− ukrL6r/(5−s)kuδ− vδkH1 + kuδ− uk2H1 +kuδ− ukL6/(5−2q) kuδ− vδk2L2 . (37)
It then follows from (18), (35) and (78) that for all 0 < δ≤ δ1 and all vδ ∈ Xδ
such thatkvδkL2 = 1,
kuδ− vδkH1 ≤ C kuδ− ukrH1 +kuδ− ukH1kuδ− vδkH1 +kvδ− ukH1. Combining with (73) we obtain that there exists 0 < δ2 ≤ δ1 and C ∈ R+ such
that for all 0 < δ ≤ δ2 and all vδ ∈ Xδ such thatkvδkL2 = 1,
kuδ− ukH1 ≤ Ckvδ− ukH1. Hence, for all 0 < δ≤ δ2
kuδ− ukH1 ≤ CJδ where Jδ= min vδ∈Xδ| kvδkL2=1 kvδ− ukH1. We now denote by e Jδ = min vδ∈Xδkvδ− ukH 1,
and by u0δ a minimizer of the above minimization problem. We know from (13) that u0
δ converges to u in H1 when δ goes to zero. Besides,
Jδ ≤ ku0δ/ku0δkL2 − ukH1 ≤ ku0δ− ukH1+ku 0 δkH1 ku0 δkL2 1 − ku0 δkL2 ≤ ku0δ− ukH1+ku 0 δkH1 ku0 δkL2ku − u 0 δkL2 ≤ 1 +ku 0 δkH1 ku0 δkL2 e Jδ.
For 0 < δ ≤ δ2 ≤ δ1, we have ku0δ− ukH1 ≤ kuδ− ukH1 ≤ 1/2, and therefore ku0
δkH1 ≤ kukH1+ 1/2 and ku0δkL2 ≥ 1/2, yielding Jδ≤ 2(kukH1 + 1) eJδ. Thus (69) is proved.
Let u∗δ be the orthogonal projection, for the L2 inner product, of uδ on the
affine spacev∈ L2(Ω)|RΩuv = 1 . One has
u∗δ ∈ X, u∗δ− u ∈ u⊥, u∗δ− uδ=
1
2kuδ− uk
2